Gabriel Peyré

Muon框架为深度学习提供新的谱Wasserstein距离

研究人员引入了一个名为Muon的新框架，通过谱归一化来稳定深度学习优化，特别是针对矩阵形状的参数。这项工作在均值场条件下理想化了连续时间、动量衰减的训练动力学，将宽模型表示为参数空间上的概率测度。该研究定义了谱Wasserstein距离，并开发了静态Kantorovich和Benamou--Brenier公式，为归一化训练动力学提供了梯度流解释。